一种用于槽道湍流的数据驱动准线性近似

提出了一种数据驱动的准线性近似实现，将最小准线性近似（MQLA）（Hwang & Ekchardt, J. Fluid Mech., 2020, 894:A23）扩展以纳入非零展向 Fourier 模态。提出了一种基于数据的方法，在固定展向波数下，使直接数值模拟（DNS）（Lee & Moser, J. Fluid Mech., 2015, 774:395-415）与由涡黏性增强的线性化 Navier-Stokes 方程在 $Re{\tau} \simeq 5200$ 下生成的二维波数谱相匹配。利用 DNS 速度谱中含能部分的自相似特性，确定了在 $Re_{\tau} \simeq 5200$ 下线性化涨落方程的通用自相似展向波数权重。该数据驱动准线性近似（DQLA）给出了与 MQLA 定性相似的结果，并在湍流强度和来自展向波数谱的额外见解方面取得定量改进。通过将一维展向波数谱和二维谱与 DNS 结果比较，讨论了该框架的局限性，主要涉及缺乏条带失稳（或瞬态增长）机制以及来自线性化模型的能量级联。随后将 DQLA 应用于直至 $Re_{\tau} = 10^5$ 的一系列雷诺数。总体而言，DQLA 产生的湍流统计量与谱与现有 DNS 和实验数据一致地缩放，其中 Townsend-Perry 常数显示出轻微的雷诺数依赖性（Hwang, Hutchins & Marusic, J. Fluid Mech., 2022, 933:A8）。湍流强度剖面的缩放行为偏离经典的 $\ln(Re_{\tau})$ 缩放，对较高雷诺数遵循反中心线速度缩放。